初期設定が完了したら、自社の人事データや資料を活用して、組織課題の解決（育成・離職防止・適材適所など）にBrainを役立てていきましょう。

Brainは、自社がシステム内に保持・蓄積している人事データの種類や量（活用レベル Lv.1〜Lv.3）に応じて、段階的に活用を高度化していくことができます。

目次

活用レベル（Lv.1 〜 Lv.3）の考え方
テーマ①：人財の「育成」におけるユースケース
テーマ②：「離職防止」におけるユースケース
テーマ③：適材適所におけるユースケース
テーマ④：業務効率化におけるユースケース
運用にあたって人事が知っておくべき重要事項

活用レベル（Lv.1 〜 Lv.3）の考え方

Lv.1：初期運用（データ取得難易度：低）

所属・等級・年齢や、読み込ませた社内規定など、システム構築時点で確実に存在するデータですぐに使えるユースケースです。
まずBrainを触って便利さを体感するフェーズです。

Lv.2：データ活用（データ取得難易度：中）

人事評価結果、勤怠、給与情報など、他モジュールや外部基幹システムから収集・連携して活用する、本格的なデータ活用のフェーズです。

Lv.3：高度分析（データ取得難易度：高）

1on1の面談議事録（定性テキスト）や、従業員サーベイ（エンゲージメントスコア）など、収集のための運用設計が必要なデータを統合して高度な分析を行うフェーズです。

テーマ①：人財の「育成」におけるユースケース

Lv.1：キャリアの壁打ち・アクションプラン作成

ユースケース

メンバーが「次の等級を目指すために必要なことと3ヶ月のアクションプランを提案して」とBrainに問いかけます。
AIは、自社の「等級定義表」と「本人の現在の等級」を照合し、具体的な行動目標やスケジュールを分かりやすく提案します。

必要なデータ

現在の等級、自社の等級定義表（PDF等のアップロード資料）

期待できる効果

キャリア面談の前後準備を効率化。
メンバー自身の主体性を引き出し、上司との面談の質を向上させます。

Lv.2：育成フォロー対象者の検索

ユースケース

人事が「育成のフォローが必要なメンバーを、同年代・同年次のメンバーと評価結果・昇進スピードを比較して表形式で出力して」と指示します。
コホート平均より評価が著しく低い社員や、現等級での滞留年数が長い社員を理由とともに自動でピックアップします。

必要なデータ

直近2〜3期の評価結果、年齢・入社年数、等級滞留年数

期待できる効果

育成に伸び悩む社員やフォローが必要な社員を人事が漏れなく検知。
早期の適切な介入（現場フォロー）を実現します。

Lv.3：育成プランの示唆

ユースケース

1on1の定性テキストや、サーベイ結果をBrainが横断分析します。
「1on1やサーベイの情報を元に、メンバーが伸び悩んでいる理由と改善に向けたアクションプランを提案して」と問いかけることで、数値に表れない感情や成長感の低下を早期に発見します。

必要なデータ

1on1面談記録、従業員サーベイ結果

期待できる効果

感情・コンディションの変化を早期にキャッチし、客観的なデータに基づいた的確な育成計画・成長支援を実行できます。

テーマ②：「離職防止」におけるユースケース

Lv.1：離職しやすい属性の特定

ユースケース

過去の退職者データと、所属・年齢・勤続年数などの基本情報をBrainに掛け合わせ、「離職が起きやすい属性」をクロス分析でクリアに特定させ、表形式などで出力します。

必要なデータ

所属・等級、年齢・在籍年数、過去の退職者データ

期待できる効果

過去の統計的な傾向から、自社の離職リスクが高い組織・属性を明確化。
傾向に合わせた先手のフォロー体制や組織改善施策の検討を可能にします。

Lv.2：離職兆候者の自動検知

ユースケース

人事が「評価、勤怠、給与、自己申告書（異動希望など）の情報を元に、離職リスクがありフォローの優先度が高い従業員をピックアップして」と指示します。
残業時間の急増や有休取得パターンの変化など、日常の行動データ変化をクロス分析して対象者をリストアップします。

必要なデータ

評価結果、月次勤怠データ、給与データ、自己申告書・異動希望（タレマネフラグなど）

期待できる効果

表面的な属性（年次など）だけでは見落としがちな「日常の行動変化」を早期にキャッチし、手遅れになる前の早期介入を実現します。

Lv.3：離職要因の特定と対策示唆、データの自動更新

ユースケース

面談の記録やサーベイの推移から、エンゲージメント低下の真の要因（ミスマッチ、評価への不満、疲弊など）をBrainに特定させ、最適な対策（リテンション施策）を具体的に提案させます。
さらに、出力された具体的な施策内容を、チャット上の指示だけで社員名簿の「人事申し送り」項目等へダイレクトに登録・自動更新させることができます。

必要なデータ

1on1面談記録、従業員サーベイ結果

期待できる効果

数値に表れない本音や孤立感を捉えた質の高い引き留め施策を、人事の手間を最小限に抑えながらスピード実行できます。

テーマ③：適材適所におけるユースケース

Lv.1：経歴ベースの配置候補抽出

ユースケース

人事が「東京営業所の営業（メンバークラス）を2名補充したいです。現在営業部門に所属していないが、『職歴』または『職種履歴』に『営業』と記載があるメンバークラスの従業員から候補者をピックアップしてください」と指示し、条件に該当する候補者の抽出を行います。

必要なデータ

所属情報、等級情報、異動履歴、職務経歴

期待できる効果

手作業での経歴チェックや「誰が該当するか」の洗い出し時間を大幅に削減し、配置検討の初期スピードを向上させます。

Lv.2：評価と志向のマッチング

ユースケース

人事が「○○さんの評価結果（強み・課題）や、本人の希望、キャリアの志向を分析し、能力発揮とモチベーションが最大化する最適な配置先を理由付きで提案してください。本人の希望、ポジション、マッチしている理由、懸念について表形式で出力してください」と依頼し、多角的な配置先検討の材料を得ます。

必要なデータ

評価結果、自己申告書・異動希望

期待できる効果

本人の「やりたいこと」と会社の「期待」のミスマッチを防ぎ、異動後の早期活躍とエンゲージメント向上を実現します。

Lv.3：スキル要件の高度マッチング

ユースケース

人事が「『部署別人材要件』を参照して、マーケティング部の中堅メンバーとして迎え入れるのに最適な人材の候補者リストを作成してください。候補者のどのような経験、スキル、資格がこのポジションに適しているか、理由も分かるように表形式で出力してください。現在マーケティング部に所属していない従業員から探してください」と複雑な条件を指示します。

必要なデータ

スキル情報、保有資格、部署ごとのスキル要件

期待できる効果

勘や経験に頼らない、データの裏付けがあるスキルベースの最適配置を実現します。

テーマ④：業務効率化におけるユースケース

Lv.1：社内規定の自動回答

ユースケース

従業員が日常的な疑問（例：「私が出張する際の手当について教えてください」など）をBrainにチャットで質問すると、AIが登録された規程をベースに即座に自動回答します。

必要なデータ

就業規則、各種社内規定（通勤交通費および出張旅費規程など）

期待できる効果

人事・総務の一次対応工数を大幅に削減。
従業員も自己解決できるようになり利便性が向上します。

Lv.2：人事データ異常値の自動検知

ユースケース

人事が月次データを基に、「評価が良い（S/A）にもかかわらず同じ等級の平均昇給率を下回る人をピックアップしてリスト化してください。同じ等級の平均的な昇給率とどれくらい乖離しているのか見れるように表形式で出力してほしい」と指示し、データのチェックを行います。

必要なデータ

給与データ、月次勤怠データ、評価結果

期待できる効果

毎月の給与計算の突合チェックや労務管理にかかる人事の手作業を大幅に削減。
報酬のミスや超過労働などの労務リスクを未然に防止します。

Lv.3：業務課題の特定

ユースケース

人事が組織改善のために、「新入社員がどんなことに困っているか、どのような業務が煩雑になっているかを特定したい。入社1年半未満の従業員との1on1データから改善するべき課題マップを作成してください。より多くの人が感じている課題から改善できるよう、優先順位が分かるように表形式で出力してください」と定性テキストの分析を指示します。

必要なデータ

面談記録、日報・アンケート

期待できる効果

現場が抱える「隠れた業務のボトルネック」を、人事が個別にヒアリングする手間なく能動的に発見でき、データ主導の業務改革を推進できます。

運用にあたって人事が知っておくべき重要事項

1．個人を画一的に格付け（プロファイリング）しない

Brainが提示する「離職リスク」や「適性マッチング」の検索結果は、過去のデータ傾向から算出した可能性の一つであり、その社員の将来や人格を決定づけるものではありません。
AIの提示した結果だけで判断するのではなく、本人の現在の状況や定性的な変化を組み合わせ、多角的に向き合うためのヒントとしてご活用ください。

2．重要な意思決定は必ず人間の目で最終確認を

生成AIの出力データは間違いを含む可能性があります。
特に採用・人事評価・給与・等級など、人事労務に関連する重要な意思決定では、出力結果のみに依存せず、画面上で回答プロセスの根拠（参照元となる人事データや資料）を必ずご自身で確認・判断した上でご利用ください。